CoP視域下教師網絡學習社群的群體動力特征*

李秀晗 張曉曼 王 濤 楊玉芹 羅 恒

CoP視域下教師網絡學習社群的群體動力特征*

李秀晗 張曉曼 王 濤 楊玉芹 羅 恒[通訊作者]

（華中師范大學 人工智能教育學部，湖北武漢 430079）

在深入“互聯網+教師教育”創新行動過程中，基于社交媒體的教師網絡學習社群成為教師自主學習和專業發展的重要途徑。然而，大部分教師網絡學習社群面臨群體動力不足的瓶頸問題，導致研修和學習效果有限。基于此，文章依托在線實踐社區理論和群體動力理論，采用質性訪談和量化分析相結合的混合研究方法，探究了不同群體動力水平的教師網絡學習社群的群體動力特征和群體行為模式。文章發現，教師主體認知視角下強動力社群和弱動力社群在社群目標、群體結構、社群管理等多個特征要素上存在差異；與教師研修課程平臺相比，基于社交通訊工具的網絡學習社群表現出圈人、情緒表達、沖突、干擾等六種特殊的群體行為；強動力社群的交互行為豐富，以驅動行為和凝聚行為為主；強動力社群存在多種顯著的行為序列模式，按照不同的觸發行為可分為話題辯論、求助分享、組織管理三種。文章的研究可為打造強動力、高質量的教師網絡學習社群提供參考，并可為建設基于互聯網的學習型社會提供理論依據和實踐思路。

“互聯網+教師教育”；網絡學習社群；群體動力特征；學習行為

“興國必先強師”。2018年，教育部等五部門印發《教師教育振興行動計劃（2018-2022年）》，提出了“互聯網+教師教育”創新行動，倡導充分利用互聯網資源支持教師專業發展和學習共同體建設[1]。“互聯網+教師教育”的行動實踐已在全球范圍內廣泛而深入地展開，聚焦實踐反思和知識創新的社群學習在教師自主學習中發揮著重要作用，體現了互聯網時代教師自主學習和主動發展的群體意愿與協作模式，能有效促進教師知識增長和能力提升[2]。基于社交媒體的教師網絡學習社群在實踐中面臨著諸多挑戰，如成員參與度低、缺乏社群認同、知識分享和創造不足、社群難以長久穩定持續等[3]。造成此現象的主要原因，在于教師社群學習的群體動力不足。群體動力是推動社群個體成員在情感、認知、社交等多個層面上不斷更新和發展的內在心理能量之和[4]。運用在線實踐社區（Community of Practice，CoP）理論分析教師網絡學習社群的群體動力特征，有助于促進教師之間的知識共享和合作交流，維持并促進網絡社群的有效運轉，輔助教師專業成長，并為建設“人人可學，時時可學，處處能學”的學習型社會提供理論依據和實踐思路，其意義重大。

一 文獻綜述

1 網絡學習社群群體動力的構成要素

有關網絡學習社群的定義較為多元，有時也稱“在線學習社群”或“虛擬學習社群”，其核心要義是基于網絡的學習社群或社區。網絡學習社群本質上是一種CoP，強調“關注某一主題，并對這一主題都懷有熱情的一群人，他們通過持續的相互溝通和交流增加自己在此領域的知識與技能”[5]。王陸[6]對面向教師的CoP進行了系統的研究與實踐，認為一個CoP包括三個構成要素，分別是知識領域、社群組成和實踐。在發展CoP理論的過程中，Wenger等[7]認為群體動力是社群內部促進成員相互作用和知識生產的核心動力，是整個實踐社區有效運行的重要保障。根據Lewin[8]的群體動力理論，群體動力是指由群體成員相互作用和影響而形成的、推動群體向著共同目標前進的一種積極向上的心理能量。群體動力包括凝聚力、驅動力和耗散力三種要素，其影響要素主要包括群體目標、群體結構、群體領袖、群體行為、社群環境[9]。社群群體動力強弱程度可以從社群成員的主觀感受和社群的客觀表現兩個維度來評估：前者表現為成員對社群活躍度、有用性和干擾性的滿意度[10]，后者則從群內的行為模式、知識生產頻率和質量、認知網絡特征等方面來評估[11]。本研究認為群體動力是促使成員共同努力的一種心理能力，很大程度上依賴于社群內成員的主觀體驗，因此本研究主要采用社群成員的主觀評價來測量網絡學習社群的群體動力強弱。

2 教師網絡學習社群的相關研究

作為一種典型的CoP，近年來教師網絡學習社群的相關研究和實踐逐漸興起，常見的教師網絡學習社群包括三類，分別是主題研修平臺、博客社群和基于即時通訊軟件的社交群[12]。當前，大部分研究聚焦于前面兩類學習社群，且主要關注教學設計、資源建設和效果評估，而對社群的動機機制分析較少。例如，王陸[13]長期依托團隊研發的CoP研修平臺，探究教師網絡學習社群的運行機制和優化策略，發現促進一個教師網絡學習社群持續發展的關鍵，在于社群內是否擁有強有力的核心人物、是否存在若干個凝聚子群并擁有恰當的沖突調節機制；吳筱萌[14]以區域內跨學校間的網絡教研小組為研究對象，通過分析得出影響區域內教師網絡教研小組凝聚力的要素包括人際關系、任務驅動、組織結構和小組規模；張敏霞[15]依據知識管理理論，認為社群成員參與度與知識管理績效緊密相關，并將教師社群中的知識管理行為分為獲得、共享、應用和創新；李士娟等[16]根據教師網絡學習社群的典型差異性特征，將其分為學科型、跨學科型、跨界型三類，并提出了高效社群的五種運行機理，即社群成員共同愿景的引領、合作性文化的凝聚、核心領導與分享領導的激勵、支持性條件的保障、反思性實踐的催化。

綜上所述，當前有關教師網絡學習社群的研究大多聚焦于教師研修平臺，對基于社交軟件的自發性教師網絡學習社群的群體動力關注不足，缺乏對群體動機激發和群體行為模式的研究。因此，本研究以基于社交通訊軟件的教師網絡學習社群為研究對象，依托CoP理論和群體動力理論，結合教師主體認知和網絡客體內容，深入分析不同群體動力水平的教師網絡學習社群的群體動力特征和群體行為模式，重點探討以下三個問題：①強動力教師網絡學習社群（下文簡稱“強動力社群”）與弱動力教師網絡學習社群（下文簡稱“弱動力社群”）有哪些特征差異？②強動力社群中的群體行為如何分布？③強動力社群中的群體行為模式有哪些？

二 研究設計

1 研究對象

本研究以基于社交通訊軟件的教師網絡學習社群——微信群和QQ群為研究對象，其使用主體主要是具有社群學習經驗的中小學教師，他們至少加入過5個以上用于教師研修和自主學習的微信群或QQ群。本研究通過網絡招募的形式，隨機選取來自北京、深圳、湖北、廣西四地的25名教師作為訪談對象，其中女性18名、男性7名；來自北京、深圳的教師9名，來自省會城市的教師10名，鄉村教師6名；小學教師20名、初中教師5名，其中共有9名教師擔任學科組長或帶頭人。

隨后，本研究邀請訪談對象匿名提供強動力的教師網絡學習社群半年以上的群聊信息。最終，本研究共收集了15個目標社群（含5個微信群、10個QQ群，群聊內容持續時間為半年以上），其中8個由北上廣及省會城市教師提供，其余為鄉村教師提供；聚焦單一學科類教學的有8個，關于師訓比賽類的有3個，其他為新興的熱門話題類（如翻轉課堂、游戲化教學、項目式學習、STEM等）。

2 研究過程

為解決上述三個研究問題，本研究采用質性訪談和量化分析的混合研究方法，對教師網絡學習社群的群體動力特征進行研究，具體的研究過程如圖1所示。針對問題①，本研究采用訪談法，從教師主體認知視角，通過質性訪談評估群體動力水平、描述群體動力特征。針對問題②和問題③，本研究根據強動力社群的相關特征，對社群田野觀察樣本進行取樣，通過分析社群客體的客體內容，進一步描述強動力社群的群體行為類型并分析群體行為序列模式，最終得出有關教師網絡學習社群群體動力特征的研究結論。

圖1 教師網絡學習社群群體動力特征的研究過程

3 數據處理

（1）訪談數據處理

本研究將25名教師隨機分為5組進行半結構化訪談，按照既定的訪談提綱啟發被訪者圍繞核心問題作答。訪談前，訪談對象運用本研究設計的群體動力測量量表，從活躍度、有用性、干擾性三個方面對自己一年內參與的教師網絡學習社群的群體動力打分。由此，本研究確定群體動力值最高的社群（即A群）和最低的社群（即B群），并按照半結構化訪談提綱從功能、領域、結構、行為、動機、效果等角度描述A群和B群的特征差異。之后，本研究將半結構化訪談文本導入NVivo 12 Plus軟件進行編碼、歸類和概念化：將構成CoP的三個社群屬性——知識領域、社群組成、社群實踐作為群體動力特征編碼框架的一級維度，并通過專家研討將影響群體動力的五大特征要素歸屬于CoP的三個基本屬性。其中，“知識領域”屬性是指某個CoP關注的研修主題和內容，包含的群體動力特征要素為社群目標和社群環境；“社群組成”屬性是指構成該CoP的教師成員特征和群體結構，包含的群體動力特征要素為群體結構和群體領袖；而“社群實踐”屬性是指CoP中的成員行為和實踐行動，包含的群體動力特征要素為群體行為。

（2）群聊內容數據處理

本研究對15個目標社群的聊天信息進行數據清洗和整理，共獲得5355條有效群聊數據，數據處理過程如下：首先，對每一條群聊數據所對應的行為進行主題編碼和統計分析。編碼框架參考張思等[17]、王陸[18]關于教師網絡研修行為的編碼體系進行設計，編碼過程由兩位研究人員獨立完成，編碼結果的一致性系數為0.71，說明編碼內容的可信度較高。隨后，應用行為分析軟件GSEQ 5.1對編碼后的群聊內容進行滯后序列分析，挖掘出強動力狀態下行為數據背后的潛在序列模式和學習偏好。經過所有訪談教師對15個目標社群群體動力特征的評估，教師學習社群X1（省級范圍內的數學學科教師群）的綜合評價最高，且X1群的行為數據量較大，持續時間為6個月，形成了1538條行為編碼（編碼一致性系數為0.78），符合強動力社群的典型特征，因此本研究選擇X1群作為案例進行行為分析，并使用排名第三的X2群、排名第六的X3群數據進行交叉驗證。

表1 教師網絡學習社群群體動力特征的差異性描述

社群屬性特征要素特征定義訪談例證 知識領域社群目標社群的名稱、目標、主題、話題等表明社群方向的要素A群大多圍繞單一學科，關注教學實踐問題；B群主題不明確，群主題跨學科，與日常教學無關。 成員動機成員加入社群的動機A群成員有實際需求；B群成員大多被動入群。 社群環境社群的任務情境、行業發展、潛在威脅等環境要素A群有教學改革項目和比賽作驅動；B群任務不明確。 社群組成群體結構社群成員的背景、風格、社交聯結等組織結構要素A群成員的學科教學和專業背景相似，有實體組織支持，群內有組織架構或分組、有名校教師和專家，成員社交聯結較強；B群大多依托某單次培訓項目或活動建群、無線下聯系，部分群中有教培機構的參與，管理角色不明確。 群體領袖社群領袖的身份、能力、策略等領導角色要素A群有核心領導人和管理團隊，群主熱心積極且有領導力；B群魚龍混雜，核心團隊不明。 社群支持社群所具備的組織、資源和政策支持A群大多有實體組織或相關部門的支持；B群無組織和資源的支持。 社群實踐社群管理社群既定的組織管理規章、制度和活動A群有常規活動和日常管理，社群有線下實體活動，有問必答、能及時回應成員的問題和需求，主動分享有用的資源，群內有人進行知識整理，適當強制的任務或活動，實名管理，存在獎勵機制；B群管理松散。 群體行為社群的活動、個體參與、知識生產等行為要素A群社交行為較多，社交情緒表達豐富；B群信息較少，群里廣告和轉發信息較多，社交關系不明顯，閑聊或不相關話題較多。 社群績效社群在運行過程中呈現的個體和整體績效A群有常規任務和作業展示，有組織或個體的自媒體進行宣傳；B群無成果分享或項目學習。

三 研究分析

1 教師網絡學習社群群體動力特征的差異性描述

在訪談中，96%的教師表示運用群體動力測量量表能準確區分強動力社群（A群）和弱動力社群（B群），76%的教師認為強動力社群在獲取學科教學前沿知識和政策動態、提升教學技能和維持職業情感方面均有積極作用。基于前文所述影響群體動力的五大特征要素，本研究通過編碼和概念化，增補了四大特征要素：成員動機、社群支持、社群管理、社群績效，將這九大特征要素歸屬于CoP的三大社群屬性，并結合訪談內容界定特征定義，以此形成主體認知視角下教師網絡學習社群群體動力特征的差異性描述，如表1所示。

訪談結果表明，教師主體認知視角下強動力社群（A群）和弱動力社群（B群）在知識領域、社群組成、社群實踐三個社群屬性的多個特征要素上存在差異：①在知識領域方面，A群更加關注單一的學科教學或實踐問題，同時引入教學改革或比賽作為社群活動背景；B群主題不明確，成員學科背景復雜。可見，學科是教師網絡學習社群知識交流的主要壁壘，而一線中小學教師的跨學科交流和協作仍然存在難度。②在社群組成方面，A群成員同質性較高，領導角色明顯且具有豐富的智力資源（如名師和專家），成員社交聯結較強；B群因單次活動建群，成員無線下聯系。群體動力較強的社群往往具有實體組織和機構背景，建群者通常帶有明確的任務或使命，如項目推進、名師工作室建設、課題研究、公司業務推廣等。這也可以看出，完全自發的教師網絡學習社群群體動力十分有限且生命周期較短，需與實體組織和線下活動形成互補效應。③在社群實踐方面，A群實踐活動豐富，有明確的管理與運行機制，群體互動行為頻繁、豐富，社群氛圍較為和諧積極，經常組織成員的成果展示和交流活動；而B群管理松散、沒有明確的準入準出機制，很多被認為是“僵尸群”“廣告群”“投票群”。

2 強動力社群的群體行為統計分析

本研究對15個目標社群和另外兩種教師研修CoP（某省級教師研修平臺、某慕課平臺教師研修課程）近三個月的信息交互頻率進行計算，發現目標社群的平均交互頻率為4.8天/次，遠高于另外兩種，其中X1群高達1.5天/次。由此可見，15個目標社群屬于強動力社群，有必要對其行為模式進行統計分析。參考現有的研究成果，本研究初步確立了面向教師研修的九種網絡社群學習行為，之后在編碼過程中又引入了圈人、積極情緒表達、消極情緒表達、沖突、干擾、獎勵等六種新的行為，最后將15種教師網絡學習社群行為歸屬到驅動行為、凝聚行為、耗散行為三個維度。其中，驅動行為促使群體發生學習行為、提升社群學習績效；凝聚行為表現為成員對群體的認同和歸屬行為，也反映成員的信任和聯結程度，用于保持社群穩定；耗散行為破壞群體穩定，降低群體學習績效。經過對5355條群聊數據的主題編碼和統計分析，本研究得到強動力社群的群體行為統計結果，如表2所示。

表2 強動力社群的群體行為統計結果

維度行為編碼占比維度行為編碼占比 驅動行為發起話題FQ2.46%54.71%凝聚行為圈人QR14.38%44.63% 分享FX3.83%積極情緒表達JJ26.18% 提問/求助TW10.18%組織管理ZZ1.27% 回復HF28.01%提醒TX2.80% 評價PJ2.75%耗散行為沖突CT0.06%0.56% 辯論BL4.72%消極情緒表達XJ0.13% 獎勵JL0.09%干擾GR0.37% 協作/任務XZ2.67%

①驅動行為：最為頻繁（占比54.71%），包括發起話題、分享、提問/求助、回復、評價、辯論、獎勵、協作/任務八種行為。其中，起主導作用的是“回復”行為（占比28.01%），遠大于排第二的“提問/求助”行為（占比10.18%），說明當成員提問或求助時，獲得的回復不止一人，且回復的內容可能包括多種方案或資源。由此可見，促使一個社群持續發展僅有需求和驅動性問題還不夠，更重要的是問題能夠引起成員的共鳴，成員對求助和問題能及時回應，并在多種方法和路徑中尋求更優解決方案或知識創新。

②凝聚行為：比較頻繁（占比44.63%），包括圈人、積極情緒表達、組織管理、提醒四種行為。其中，“圈人”行為是基于社交軟件的學習社群中特有的交互行為，是指在社群中通過網絡標簽的方式（@）來引起對方的注意或回復。“積極情緒表達”行為是主要的凝聚行為（占比26.18%），這是教師網絡學習社群區別于其他網絡學習共同體的典型特征，表現為圈人、表達問候、祝福、感謝、贊揚等。此外，強動力社群往往有較為明確的運行管理機制，如點名制度、任務打卡、常規活動、清退制度、輪崗值日、知識管理等，導致“圈人”行為比較頻繁（占比14.38%）。基于社交通訊軟件的網絡學習社群存在即時性過強、知識零散等缺陷，因此對社群內生成的內容進行組織管理也很有必要，部分案例社群的做法是輪流進行公屏整理、借助公眾號對學習成果進行整理和展示、制作學習月報等。同時，組織管理團隊要對成員進行必要的提醒（占比2.80%），以促使其在教師網絡學習社群中有更好的表現。

③耗散行為：由于15個目標社群均為成員主觀感知下滿意度較高的強動力社群，故耗散行為非常少（占比0.56%）。耗散行為包括沖突、消極情緒表達和干擾三種行為，主要表現為成員與他人互動時出現非理性辯論和言語沖突、表達消極情緒和不當言論、亂發廣告或發布與教學研修無關的內容。

表3 強動力社群行為轉換頻率表

FQFXQRJJZZTXTWHFPJBLJLXZCTXJGR FQ5142001111500000 FX05131411620000000 QR2229821135512500000 JJ39642233630364200002 ZZ001210032000000 TX0357102110000000 TW0524501121011100000 HF3136347294924252000000 PJ0161201221000000 BL00840041102300001 JL000000000000000 XZ000000000000000 CT000000000000000 XJ000000000000000 GR000000200000000

3 強動力社群的行為序列模式

為進一步厘清上述15種群體動力行為的交互特征和潛在模式，本研究采用GSEQ軟件對X1群的群聊信息進行滯后序列分析，探究強動力社群的行為序列模式，并通過計算得到強動力社群行為轉換頻率表（如表3所示）和相應的殘差統計表（如表4所示）。

表4 GSEQ滯后序列分析殘差統計表

FQFXQRJJZZTXTWHFPJBLJLXZCTXJGR FQ12.9*0.931.41-1.47-0.34-0.47-0.31-2.281.342.7*0000-0.18 FX-0.632.83.40.61.320.591.35-3.98-0.9-1.270000-0.3 QR0.12-1.56-5.616.59*0.52-1.132.73*-1.824.7-0.920000-0.71 JJ-0.42-0.551.7613.85*0.120.32-0.91-12.15-1.48-3.9400001.47 ZZ-0.3-0.51-0.26-0.553.64*1.99*-0.95-0.074.44*-0.60000-0.14 TX-0.542.53*0.49-0.781.99*-0.65-0.40.4-0.76-1.080000-0.26 TW-1.280.472.11*-7.71-1.12-0.82-0.449-1.19-2.120000-0.61 HF-0.810.2-0.14-11.52-0.911.281.6810.45*-1.570.860000-1.23 PJ-0.50.391.441.89-0.441.11-0.17-2.810.76-10000-0.24 BL-0.72-1.220.33-3.61-0.63-0.87-0.29-1.97-1.0215.800002.69 JL000000000000000 XZ000000000000000 CT000000000000000 XJ000000000000000 GR-0.14-0.24-0.57-0.94-0.12-0.174.51-1.03-0.2-0.280000-0.07

注：*＜0.05。

根據滯后序列原理，如果調整后的殘差值（Z-score）＞1.96，就表明該路徑具有顯著意義。本研究根據生成的行為路徑殘差值，繪制出顯著水平上強動力社群的行為序列轉換路徑，如圖2所示。按照不同的觸發行為，可將強動力社群的顯著行為序列模式分為話題辯論、求助分享、組織管理三種。

圖2 顯著水平上強動力社群的行為序列轉換路徑

①第一種顯著行為序列模式：話題辯論，主要路徑為“發起話題→辯論→干擾”。話題的發起一般以轉發網絡文章、視頻、圖片和相關信息為契機，群成員閱讀內容后引發思考并闡述個人觀點，引發成員間的辯論（Z-score值為2.7）。某一話題的發起，可能會引起更多頻次的同類話題的發起和相關信息的轉發（Z-score值為13）。辯論本身會形成持續性的自循環行為模式（Z-score值為15.8），這種行為模式在以具有思辨和主觀特性的語文學科教學為主題的X2群中得到了驗證。而辯論激烈的時段往往容易出現干擾耗散行為（Z-score值為2.7），這一方面來自于成員辯論時偶發的消極情緒和語言攻擊，另一方面辯論的時候正是全體群員對社群關注度最高的時候，極個別成員或非法用戶便會趁機在群中亂發廣告或發布與教學研修無關的內容。“辯論→干擾”行為序列轉換路徑在以翻轉課堂為主題的X3群中得到了驗證。

②第二種顯著行為序列模式：求助分享，其路徑較為復雜，核心是圍繞提問/求助展開群體交互，主要路徑包括“提問/求助→回復”“分享→圈人→積極情緒表達”“分享→圈人?提問/求助→回復”“提問/求助→圈人→積極情緒表達”四條。在強動力社群中，提問/求助能夠得到有效回復（Z-score值為9），“提問/求助→回復”路徑在X2和X3群中也都得到了驗證。在回復的交流過程中，往往存在資源分析、表達積極情感等社交行為，而這些行為中大多伴隨著“圈人”行為，具有定向回復和提醒的功能。社交媒體含有豐富的積極情感表達行為，易引發較強的群體擴散和跟風效應（Z-score值為13.9），如對回復者和資源貢獻者的感謝，以“提問/求助”為核心的多條行為序列轉換路徑在X2和X3中均得到了驗證，體現了社交媒體的強社交特征。

③第三種顯著行為序列模式：組織管理，主要路徑為“提醒→組織管理→評價”，體現了核心成員或領導角色的管理調控行為。通過內容分析發現，X1群中有較為常規的打卡、值日、作業等活動，因此X1的核心成員往往就社群常規任務和事項進行提醒，督促成員提交作業或任務。當成員積極參與社群的活動和任務時，往往伴隨著核心成員的評價行為（Z-score值為4.44），如對作業進行點評。而在X2群中，“提醒→組織管理→評價”行為序列轉換路徑顯示出微弱的顯著性。當上述管理調控行為出現后，也容易激發成員的資源分享行為（包含個人的成果展示），進而引發相關的積極情緒表達、提問和回復行為（Z-score值為2.53）。

四 結論與建議

1 研究結論

本研究從教師主體和社群客體兩個對象切入，從主觀認知和客觀建模兩個維度對教師網絡學習社群的群體動力特征進行分析，所得結論主要如下：①本研究根據文獻析出和訪談內容編碼，構建出教師網絡學習社群的九大群體動力特征要素，分屬于CoP的三大社群屬性，能有效幫助教師和研究者評估、鑒別網絡學習社群的群體動力強弱。研究發現，強動力社群和弱動力社群在社群目標、群體結構、社群管理等多個特征要素上存在差異。②強群體動力的網絡學習社群的學習交互行為豐富，以驅動行為和凝聚行為為主，而耗散行為非常少；驅動行為中“回復”行為起主導作用，“積極情緒表達”行為則是主要的凝聚行為。③強動力社群存在多種顯著的行為序列模式，按照不同的觸發行為可分為話題辯論、求助分享、組織管理三種。這三種行行為序列模式的開展，都離不開社群活躍角色的參與、組織和調控。

2 打造強動力、高質量教師網絡學習社群的建議

根據研究結論，本研究提出打造強動力、高質量教師網絡學習社群的建議：①社群建立準入準出機制，明確主題和目的，按照學科、區域和活動等細化社群成員畫像，盡量避免跨學科群體。②依托工作室、教研機構、協會、平臺等正式的組織建群，為網絡學習社群提供“配套設施”，如線下活動、比賽、項目、研討會、自媒體等。③創建群規，實名入群，設置角色豐富的管理團隊，實行點名、任務打卡、常規活動、定期清退、輪崗值日、知識管理等常態化管理制度。成員數量較多的社群可以組建子群，并采用輪值方式讓子群承擔社群的管理和發展工作。④擴展社群實踐空間，依托實體組織和項目驅動進行線下協同。為教師網絡學習社群配套提供年度課程學習計劃，完成課程學習要求的成員可以獲得由該社群提供的學習證書。⑤采用游戲、抽獎、比賽等多種方式激發成員的參與動機，對于優質資源的獲取設置一定的條件，避免成員“只獲取不付出”；同時，提供多條路徑讓成員有充分表達和展示自我的機會。⑥注重社群績效評估和外顯性成果產出，對優秀作業和資源進行評價，利用自媒體（如公眾號）和網盤對社群進行知識管理，增強成員的群體認同，促進社群的可持續發展。

五 結語

在互聯網時代，教師專業發展擁有更多的機遇和挑戰，靈活自主的網絡學習社群理論上能夠突破時空、地域的限制，滿足教師自主學習和專業發展的需求，但在實踐過程中需要較強的群體動力作為支撐以不斷提升教師的研修和學習效果。本研究通過分析一線教師在網絡學習社群中的主體認知和行為參與，總結出不同群體動力水平的教師網絡學習社群的群體動力特征和群體行為模式，探討了強弱動力社群的特征差異、強動力社群中的群體行為分布和群體行為模式，可為打造強動力、高質量的教師網絡學習社群提供借鑒。需要指出的是，本研究也存在一些不足還有待進一步探索，如對教師網絡學習社群的子類分析不足，需要進一步加強大規模量化數據的驗證支持；社群環境對群體動力生成的影響機制還需要深入分析等。在持續推進教育數字化轉型的過程中，“互聯網+人工智能”將進一步賦能教師隊伍建設，教師自主學習行為和群體學習數據的特征挖掘將成為探索教師隊伍提質增效的重要方向。未來，教師網絡學習社群要通過精準分析和個性化服務打造教師數字化轉型共同體，給予成員平等的參與權和話語權；在互動、協作和探究的過程中，要引導成員逐漸建立對社群的信任、提升對社群的認同感，以共同保障數字化轉型共同體的生命力。

[1]教育部等五部門.教師教育振興行動計劃(2018-2022年)[OL].

[2]張瑾,張夷楠,葉海智,等.教師在線學習社區中會話主題發現及演化分析[J].遠程教育雜志,2021,(2):85-94.

[3]楊彥軍,郭紹青,童慧.城鄉教師的網絡學習共同體互動特征研究[J].中國電化教育,2011,(11):42-46.

[4]楊延從,黃碧慧.群體動力學視域下農村小學英語教師學習共同體建構的研究——以廈門市X區農村小學為例[J].教育理論與實踐,2016,(17):28-30.

[5]Wenger E. Communities of practice: Learning, meaning, and identity[M]. New York: Cambridge University Press, 1998:45.

[6]王陸.教師在線實踐社區的知識共享與知識創新的機理分析[J].電化教育研究,2015,(5):101-107.

[7]Wenger E, Snyder W. Communities of practice: The organizational frontier[J]. Harvard Business Review, 2000,(1):139-146.

[8]Lewin K. Frontiers in group dynamics: Concept, method and reality in social science; social equilibria and social change[J]. Human Relations, 1947,(1):5-41.

[9]王小根,楊爽.群體動力學視角下的協作知識建構活動探究[J].現代教育技術,2020,(11):55-61.

[10]Cartwright D, Zander A. Orgins of group dynamics[J]. Group Facilitation, 2000,(2):38.

[11]張濤,張爍,張思,等.在線同伴互評中群體認知的特征、網絡與發展軌跡分析[J].現代教育技術,2022,(9):82-90.

[12]丁繼紅,熊才平,劉靜,等.PST視域下教師社群學習的模式的分析與重構[J].遠程教育雜志,2015,(3):33-40.

[13]王陸.虛擬學習社區社會網絡中的凝聚子群[J].中國電化教育,2009,(8):22-28.

[14]吳筱萌.跨校網絡教研小組的凝聚力分析[J].中國電化教育,2016,(9):85-90.

[15]張敏霞,劉霜.教師在線實踐社區中的知識管理行為研究[J].中國電化教育,2014,(9):120-125.

[16]李士娟,代建軍.教師專業學習社群研究:組織樣態及運行機理[J].教育理論與實踐,2018,(8):25-28.

[17]張思,陳娟,夏丹,等.在線論壇中學習者興趣與行為主題聯合建模研究[J].遠程教育雜志,2022,(1):81-90.

[18]王陸.教師在線實踐社區COP的績效評估方法與技術[J].中國電化教育,2012,(1):61-72.

Group Dynamics Characteristics in Teachers’ Network Learning Community from the CoP Pperspective

LI Xiu-han ZHANG Xiao-man WANG Tao YANG Yu-qin LUO Heng[Corresponding Author]

In the process of deepening the innovative action of “Internet + teacher education”, teachers’ network learning community based on social media has become an important way for teachers’ independent learning and professional development. However, most teachers’ network learning communities encounter a bottleneck problem of insufficient group motivation, resulting in limited training and learning effects. Based on community of practice (CoP) theory and group dynamics theory, this paper adopted the mixed research method of qualitative interview and quantitative analysis to explore the group dynamics characteristics and group behavioral patterns of teachers’ network learning communities with different levels of group dynamics. It was found in this paper that there were differences between the highly powerful and lowly powerful communities in multiple characteristic elements such as community goals, group structure, and community management from the perspective of teacher subjective cognition. Compared with the teacher training course platform, network learning communities based on social communication tools exhibited six special group behaviors, such as crowding, emotional expression, conflict, and interference. The interactive behaviors of the highly powerful communities were rich and mainly included driving behaviors and agglomeration behaviors. There were multiple significant behavioral sequence models in the highly powerful communities, which could be divided into three categories of topic discussion, help-seeking and sharing, and organizational management according to different trigger behaviors. The research of this paper could provide reference for building highly powerful and high-quality teachers’ network learning communities and offer theoretical basis and practical methods for building an internet-based learning society.

“Internet + teacher education”; network learning community; group dynamics characteristic; learning behavior

G40-057

A

1009—8097（2023）09—0089—10

10.3969/j.issn.1009-8097.2023.09.009

本文為教育部人文社會科學研究項目青年基金“CoP視域下中小學教師網絡學習社群的群體動力特征研究”（項目編號：21YJC880041）的階段性研究成果。

李秀晗，講師，博士，研究方向為教師信息化素養、游戲化學習、信息技術與課程整合，郵箱為xiuhanli@ccnu.edu.cn。

2022年12月1日

編輯：小米